文本分类：值错误无法将str转换为float

Question

用于文本分类的随机森林分类器训练模型的输入

从pickle文件中打开模型后，我无法知道训练模型的输入应该是什么。

with open('text_classifier', 'rb') as training_model:
    model = pickle.load(training_model)
for message in text:
    message1 = [str(message)]
    pred = model.predict(message1)
    list.append(pred)
return list

预期产出：非政治性

实际产量：

ValueError：无法将字符串转换为浮点数：'RT @ScotNational证人承认并非所有对警车造成的损害都是由此引起的

Answer 1

您需要将文本编码为数字。没有机器算法可以直接处理文本。

更确切地说，您需要使用单词嵌入（用于训练模型）。常用字嵌入的示例是Word2vec，TF-IDF。

我建议你和sklearn.feature_extraction.text.CountVectorizer和sklearn.feature_extraction.text.TfidfTransformer一起玩，以熟悉嵌入的概念。

但是，如果您不使用与用于训练加载模型的嵌入相同的嵌入，则无法获得良好的结果。